典型文献
基于TPE-LSTM的区域超短期风电功率预测
文献摘要：
针对目前区域超短期风电功率预测精度较低且辅助信息不足的问题,提出一种结合贝叶斯优化和长短期记忆(LSTM)神经网络的预测方法.对历史风电功率数据进行数据修复和预处理并搭建LSTM网络模型;依据贝叶斯优化中的TPE算法对模型的超参数寻优,以获得更好的预测性能;为了验证所提出的TPE-LSTM模型的泛化能力,加入同样经过TPE算法优化的其他模型与其比较,同时加入误差校正环节降低LSTM算法在预测过程中存在的预测误差.实验结果表明,以区域历史风电功率数据为训练数据,该模型能够得到较高的预测精度.
文献关键词：
风电功率预测;贝叶斯优化;LSTM网络;TPE算法;误差校正
中图分类号：
作者姓名：
查雯婷;闫利成;陈波;李亚龙;杨帆
作者机构：
中国矿业大学(北京)机电与信息工程学院 北京 100083;内蒙古电力科学研究院 内蒙古 呼和浩特 010020
文献出处：
引用格式：
[1]查雯婷;闫利成;陈波;李亚龙;杨帆-.基于TPE-LSTM的区域超短期风电功率预测)[J].计算机应用与软件,2022(11):25-30,111
A类：
B类：
TPE,超短期风电功率预测,辅助信息,贝叶斯优化,长短期记忆,数据修复,超参数寻优,预测性能,泛化能力,算法优化,误差校正,预测误差,训练数据
AB值：
0.172349
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
